プロファイル予測のための回帰または相関私は現在オーブンプロファイルの分析をしています。熱電対からのオーブンからの16データポイントがあります。2つの最大データは、Max Hot TemperatureとMax cold temperatureを表しています。
16個のデータポイントと2個の最大データポイントが出力応答です。2セットの出力応答があることを意味します - 1）熱電対からのプロファイル温度2）2つのセンサーからのオーブン表示温度。
これら2つのデータセットを使用して実際のプロファイル温度を予測するには、どの分析が最適ですか？
相関または回帰フィットモデルそれは両方とも出力応答なので、私はこれについて混乱しています。
これは曲線応答なので、二次回帰モデルを使用する方が適していることがわかりました。この場合の正しい分析方法に関するヘルプは役に立ちます。
再：プロファイル予測のための回帰または相関あなたの.pptxは非常に有益でしたが、測定値のスクリーンショットが含まれていたので、私は一般的な印象しか得られませんでした。明らかに、より多くのデータが有効であり、TBH、そのようなデータが利用可能になるまで合理的な推奨を行うことはできないと思います。
このような場合、そしてモデリングについて考える前に、データをグラフィカルに見て、そこに含まれる変動の原因をよりよく理解することが不可欠です。あなたが現在行っているオーブンの運転は、'トレイ'、'タイプ'、'シーケンス'のいくつかの異なる条件から来ています。（色分けを重点的に取り、測定の不確かさについての質問は無視してください）オーブン内はこれらの条件に依存するかもしれません。ですから、あなたの '予測'（まだ特定されていない統計的アプローチを使って）がすべてのケースをまとめてカバーすることを目的としているのか、あるいは一部のみをカバーすることを意図しているのかを決める必要があります。いずれにせよ、あなたがついにどのようなテクニックを使ったとしても、2つから16の数字を得ることは野心的なようです。
再：プロファイル予測のための回帰または相関オーブン熱電対の読みとオーブンディスプレイからの温度の読みが添付されています。
私たちの研究では基本的に、オーブンのチャンバーから得られる実際の熱電対の読み値とオーブンに表示される2つの読み値の関係を実際に調べようとしています。熱電対の読みとオーブンの表示の読みの最大値を記録しました。今私たちがやろうとしているのは、ディスプレイの読み取り値だけでオーブンチャンバーの読み取り値を予測することです。より多くのデータを集めています。しかし、二次適合回帰モデルが適切なものになるかどうかという私の質問です。それらは従属変数と見なされますか？回帰モデルはこれに適した統計的方法に適合しますか。
再：プロファイル予測のための回帰または相関はい、'入力'または '出力'はすべて自分の観点の問題です！
私はあなたの説明から一般的な考えを持っています、しかし私はあなたが言うときあなたはより具体的である必要があると思います... オーブンプロファイルの分析 '。そのような分析の実際的な目的は何ですか？一例を挙げると、温度プロファイルを制御したい場合や、より均一にしたい場合も珍しくありません。オーブンから出てくるものに影響を与えるからです。'control'の場合、それは記録された最大値と最小値だけを使っても可能であるかもしれませんし、可能であるかもしれません（そして他の16個ではありません）。この可能性が合理的であるかどうかは、16の測定値と他の2つの測定値との間の関係を理解しようとする分析によって決定することができます。その分析では、16が入力として考えられ、2が出力として考えられます。
これが明らかになったら、人々は興味のある関係を決定するためにどんなテクニックが良いのかについていくつかの提案を提供できるべきです。あなたがいくつかを共有することができれば、いつものように、JMPテーブルのサンプルデータが役立ちます。
